- ICH GCP
- Yhdysvaltain kliinisten tutkimusten rekisteri
- Kliininen tutkimus NCT06656312
EndoAimin tuleva tutkimus: ASUS AI -ratkaisu kolorektaalipolyyppien diagnosointiin
Tuleva tutkimus ASUS Endoscopy AI -ratkaisusta – EndoAim auttaa kolorektaalisten polyyppien diagnosoinnissa
"Koorektaalisyöpäkuolleisuus Taiwanissa on kolmannella sijalla kaikista syövistä, joten on ratkaisevan tärkeää estää paksusuolen syöpä säännöllisillä kolonoskopiaseulonnalla ja poistaa polyypit, joilla on korkeampi syöpäriski, mutta kolonoskopian aikana lääkärit jättävät yleensä noin 22–28 prosenttia polyypeistä paitsi. 20–24 % näistä puuttuvista polyypeistä voi muuttua syöpäadenoomiksi. Tekoälyn (AI) avustetun järjestelmän käyttöönotto voi parantaa kolonoskopian yleistä laatua.
Tämän tutkimuksen tavoitteena on arvioida ASUS AI-avusteisen järjestelmän (EndoAim) tehokkuutta polyyppien diagnosoinnissa kolonoskopian aikana. Se sisältää kolonoskopian tulosten vertailun EndoAimin kanssa ja ilman sitä sekä EndoAimin vaikutuksen arvioinnin diagnostiseen tehokkuuteen eri alaryhmissä.
Jokainen osallistuja määrätään satunnaisesti kolonoskopiaan EndoAimin avulla tai ilman sitä. Tekoälyavusteisen järjestelmän suorituskyky kolonoskopiassa arvioidaan kattavasti käyttämällä indikaattoreita, kuten APC, ADR, PDR ja PPV. Myös alaryhmäanalyysi tehdään useiden tärkeiden tekijöiden perusteella. Polyypit otetaan biopsiasta ja lähetetään patologiseen tutkimukseen, ja patologiaraportti toimii lopullisena diagnoosina myöhempää analyysiä varten."
Tutkimuksen yleiskatsaus
Tila
Interventio / Hoito
Yksityiskohtainen kuvaus
"Tausta Taiwanin Health Promotion Administrationin ja American Cancer Societyn mukaan paksusuolen syöpä on kolmannella sijalla syöpään liittyvissä kuolemissa Taiwanissa ja toisella sijalla Yhdysvalloissa. Joka vuosi noin 900 000 ihmistä kuolee paksusuolen syöpään Yhdysvalloissa Ennen kuin etenee syöpään, polyyppien poistaminen voi estää paksusuolen syöpää. Tutkimukset osoittavat, että polyyppien havaitsemisasteen lisääminen vain 1 %:lla voi vähentää kuolemaan johtavan paksusuolensyövän riskiä 5 %.
Kolonoskopiaa pidetään kultaisena standardina polyyppien poistamisessa. Tämä toimenpide on kuitenkin teknisesti vaativa, aikaa vievä ja vaatii erittäin ammattitaitoisia lääkäreitä. Tutkimukset osoittavat, että 22–28 % polyypeistä ja 20–24 % syöpää edeltäneistä adenoomista jää huomaamatta kolonoskopian aikana. Tärkeimpiä syitä ovat polyypit, jotka ovat liian pieniä tai litteitä, mikä tekee niistä vaikeasti havaittavissa, tai paksusuolen epätäydellinen peitto toimenpiteen aikana.
Viimeaikaiset edistysaskeleet tekoälyteknologiassa, erityisesti lääketieteellisessä kuvantamisessa, tarjoavat suuren potentiaalin diagnoosin avuksi. Tekoälyavusteiset järjestelmät voivat analysoida kuvia auttaakseen lääkäreitä havaitsemaan ja diagnosoimaan polyypit nopeammin ja tarkemmin kolonoskopioiden aikana. Tämä ei ainoastaan paranna tarkkuutta, vaan myös vähentää lääkäreiden työtaakkaa ja lisää tutkimuksen tehokkuutta.
Tekoälyjärjestelmien käyttöönotto kolonoskopiassa voi parantaa adenooman havaitsemisnopeutta (ADR) ja adenoman per kolonoskopiaa (APC) samalla kun se auttaa polyyppien karakterisoinnissa auttaakseen lääkäreitä määrittämään hoitostrategioita. Näin ollen tekoälyn tukemat kolonoskopiatoimenpiteet voivat parantaa sekä turvallisuutta että tehokkuutta. Vaikka ADR on perinteisesti ollut useimpien tutkimusten painopiste, APC tarjoaa kattavamman kuvan siitä, onko kaikki adenoomat poistettu onnistuneesti. Siksi tässä tutkimuksessa keskitytään APC:hen ensisijaisena indikaattorina.
Opintosuunnittelun tavoite
Tämän tutkimuksen tavoitteena on arvioida AI-avusteisen järjestelmän (EndoAim) tehokkuutta kolorektaalisten polyyppien diagnosoinnissa kolonoskopian aikana. Tarkat tavoitteet sisältävät:
Standardin kolonoskopian tehokkuuden vertailu tekoälyavusteiseen kolonoskopiaan EndoAimin avulla.
EndoAimin diagnostisen suorituskyvyn arvioiminen eri alaryhmissä (seulonta vs. seuranta, suolen puhtaus, lääkärin kokemus ja polyypin sijainti).
Merkitys Olemassa olevan kirjallisuuden pohjalta tämä tutkimus pyrkii tarjoamaan lisätodisteita tekoälyn käytännön soveltamisesta kolonoskopiassa. Tiukan kliinisen kokeen suunnittelun ja laajan data-analyysin avulla pyrimme tarjoamaan vankan todisteen tekoälyn hyödyllisyydestä diagnoosin avustamisessa ja tukemaan sen laajempaa kliinistä sovellusta.
Päätetapahtumat Ensisijainen päätetapahtuma on Adenoma Per Colonoscopy (APC). Toissijaisia päätepisteitä ovat adenooman havaitsemistaajuus (ADR), polyyppien havaitsemistaajuus (PDR) ja positiivinen ennakoiva arvo (PPV). Nämä mittarit tarjoavat kattavan arvion tekoälyavusteisen järjestelmän tehokkuudesta kolonoskopiassa."
Opintotyyppi
Ilmoittautuminen (Arvioitu)
Vaihe
- Ei sovellettavissa
Yhteystiedot ja paikat
Opiskeluyhteys
- Nimi: Hsing-Hung Cheng, MD
- Puhelinnumero: +886-975680861
- Sähköposti: 017124@tool.caaumed.org.tw
Tutki yhteystietojen varmuuskopiointi
- Nimi: Wen-Hsin Huang, MD
- Puhelinnumero: 12233 +886-4-2205-2121
- Sähköposti: u97766.huang@msa.hinet.net
Opiskelupaikat
-
-
North Dist.
-
Taichung, North Dist., Taiwan, 404332
- Rekrytointi
- China Medical University Hospital
-
Ottaa yhteyttä:
- Hsing-Hung Cheng, MD
- Puhelinnumero: +886-975680861
- Sähköposti: 017124@tool.caaumed.org.tw
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Kuvaus
Sisällön kriteerit:
- Ikä 20 tai vanhempi.
- Käytetään kolonoskopiaa Olympus-sarjan endoskoopeilla.
- Vähäjäämäisen ruokavalion noudattaminen ja suoliston valmistelu.
Poissulkemiskriteerit:
- Huono suoliston puhdistus. Huomautus: Arvioitu huonoksi tai riittämättömäksi Aronchick-asteikon mukaan.
- Epätäydellinen kolonoskopia (ei päästä umpisuoleen).
- Antikoagulanttilääkkeiden käyttö tai epänormaali hyytymistoiminto viimeisen 5 päivän aikana.
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
- Ensisijainen käyttötarkoitus: Seulonta
- Jako: Satunnaistettu
- Inventiomalli: Rinnakkaistehtävä
- Naamiointi: Yksittäinen
Aseet ja interventiot
Osallistujaryhmä / Arm |
Interventio / Hoito |
|---|---|
|
Kokeellinen: AI-ryhmä
Käytä ASUS EndoAimia avustavana ohjelmistona kolonoskopian suorittamiseen
|
Käytä ASUS EndoAimia avustavana ohjelmistona kolonoskopian suorittamiseen
|
|
Ei väliintuloa: Normaali ryhmä
Normaali kolonoskopia
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
APC (adenoma per kolonoskopia)
Aikaikkuna: 30 päivää
|
Adenooman määrä kolonoskopiaa kohden (APC) lisääntynyt tekoäly-avusteisessa ryhmässä verrattuna standardiryhmään adenooman kokonaislöydökset / suoritettujen kolonoskopian kokonaismäärä
|
30 päivää
|
Yhteistyökumppanit ja tutkijat
Sponsori
Tutkijat
- Päätutkija: Wen-Hsin Huang, MD, China Medical University Hospital
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Ensisijainen valmistuminen (Arvioitu)
Opintojen valmistuminen (Arvioitu)
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (Todellinen)
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- CMUH113-REC2-146
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Yhdysvalloissa valmistettu ja sieltä viety tuote
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .